Unverified50% confidenceFactExact time
对于选择题类问题，模型在各选项 token 上的 logits 经 softmax 归一化后可得到概率分布，高集中度分布意味着模型对答案更有把握
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedLogits是模型最后一层输出的未归一化原始分数，经过softmax后变为各token的概率分布，是最接近「模型置信度」的可观测量76% similarUnverified模型对所有Token计算原始得分Logit后，通过Softmax函数将得分归一化为概率分布，所有Token的概率之和等于176% similarUnverified大模型推理的核心机制是不断预测下一个词的概率，通过Softmax函数将原始得分转化为总和为1的概率分布74% similarUnverifiedPrompt本质上是模型的'条件'，条件越精确，模型的概率分布就越集中在用户期望的输出上，而不是分散在各个方向。71% similarUnverified大模型本质上是在对序列中下一个最可能出现的Token进行概率预测70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/927296API
curl https://kongchang.com/api/v1/knowledge/claims/927296MCP
get_claim(id=927296)